Digitale Gesundheit
Medizinische Wearables verändern die Versorgung von Patienten. Je kleiner, intelligenter, vernetzter und tragbarer diese Geräte werden, desto robuster muss die dafür verwendete Technologie sein. Hier kommt CSEM ins Spiel.
CSEM SA
Neuchâtel,
Schweiz
Sensoren, Wearables und IoMT
- Design: Wir schaffen Wearables oder Systemlösungen basierend auf CSEM-Referenzdesigns zur Überwachung des Herz-Kreislauf-Systems (EKG), der Atmung (Impedanz und Stethoskop), des Gehirns (EEG) und der Muskeln (EMG). Unsere Lösungen werden auch für Analysemethoden von Bewegung und Gang, Biomarker und Haut-/Körpertemperatur sowie für Gasanalysen zur Entwicklung von Medizingeräten bis Klasse III eingesetzt.
- Integration und Optimierung: Wir vereinfachen die Integration von Medizingeräten einschliesslich optischer Sensoren/PPG-Sensoren, gelfreier Aktivelektroden, elektrochemischer Sensoren und Gassensoren sowie Ultra-Low-Power-ASIC und CMOS im Unterschwellenbereich.
Klinische Bewertung
- Klinische Studien: Zusammenarbeit mit unserem Netz von Universitätskliniken und Mitarbeit bei der Gestaltung von Studienprotokollen unter Berücksichtigung relevanter Standards und Normen.
- Datenerhebung: Einsatz massgeschneiderter IoT-Smart-Sensor-Gateways zur Erfassung der Vitalwerte stationärer und ambulanter Patienten sowie zur Übertragung der Daten an massgeschneiderte Datenbanken in Echtzeit.
- Datenschutz: Einsatz von Algorithmen zum maschinellen Lernen und von verteilten KI-Systemen zur Gewährleistung von Datenschutz und Datensicherheit im Zusammenhang mit sensiblen Gesundheitsdaten.
Datenwissenschaft
- Algorithmusentwicklung und -transfer: Schaffung innovativer Algorithmen zur nichtinvasiven Messung der Vitalwerte. Wir integrieren auch bestehende Bibliotheken zur Schätzung von Vitalwerten einschliesslich der Herzfrequenz und ihrer Variabilität (HRV), des Blutdrucks, der Sauerstoffsättigung, des Pulmonalarteriendrucks sowie zur Erstellung von Bewegungsprofilen.
- Diagnose und Erkennung: Entwicklung KI-basierter Systeme zur Erkennung von optischen Herzrhythmusstörungen, Stürzen wie Sturzgefahren, Schlafphasen und Apnoe sowie zur Überwachung von patientennaher Diagnostik.
- Einsatz: Design, Umsetzung und Validierung von massgeschneiderten Modellen für medizinische Diagnostik und von Entscheidungshilfesystemen, die in eingebetteten Systemen wie nRF SoC, STM32 oder in Cloudlösungen wie AWS, Azure, CSEM-Software und Kundensoftware eingesetzt werden.
